基于击键序列特征提取的用户身份认证

论文摘要

击键序列身份认证是保障计算机信息安全的一种重要手段。20世纪80年代,Gaines等人首次提出基于击键动力学(keystroke dynamics)特征进行身份认证。其实现简单,运行成本低廉,但突出的问题是如何有效地从击键序列中提取出关键信息,从而在贝叶斯统计算法的基础上,将基于击键动力学特征的判别问题抽象为三类模式识别问题,即入侵类、怀疑类和合法用户类,对怀疑类采用基于概率论的二次识别机制,同时利用统计学相关公式的推导,给出了该系统安全级别的选取范围及标准,并通过实验比较了两种有代表性的贝叶斯模型应用二分类和三分类判别法前后系统性能的差别。实验结果表明错误拒绝率(False reject rate,FRR)和错误通过率(False accept rate,FAR)都得到了有效的降低。但是识别过程中作为衡量模式集间差异的距离量度是否应该选取广泛采用的欧几里德距离?本文在接下来的研究中发现测地距(geodesic distance)能够更加有效地表达这一距离量度。同时受认知生理学关于记忆(神经流形)和视觉流形相关性研究的启发,提出记忆和敲击键盘的触觉认知流形也具备相关性,在此基础上引入流形学习算法。以测地距作为距离量度,给出了算法对于密码长度的理论适用范围,并通过实验证明该算法能够更加有效地降低FRR和FAR。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 击键动力学身份识别的概念
• 1.1.1 击键动力学的基本思想
• 1.1.2 各种生物统计学方法的特点
• 1.2 击键动力学身份识别的发展概况
• 1.2.1 研究概况
• 1.2.2 研究关注点分类
• 1.2.3 实际应用
• 1.3 课题提出和本文内容简介
• 第2章 贝叶斯统计算法
• 2.1 贝叶斯决策论
• 2.1.1 贝叶斯分类规则
• 2.1.2 贝叶斯决策的误差分析
• 2.1.3 贝叶斯分类的风险分析
• 2.2 决策函数和决策面
• 2.3 对正态分布的贝叶斯分类
• 2.3.1 决策超平面
• 2.3.2 最小距离分类器
• 2.4 本章小结
• 第3章 基于三分类的击键序列身份验证
• 3.1 算法描述
• 3.1.1 基于贝叶斯统计模型的击键动力学身份认证原理
• 3.1.2 击键动力学的 Mahalanobis距离特性研究
• 3.1.3 基于贝叶斯统计模型的击键动力学身份认证算法
• 3.1.4 怀疑域 N的确定
• 3.1.5 安全级别k的确定
• 3.1.6 基于二分类和三分类的判别系统性能对比
• 3.2 实验
• 3.2.1 实验数据与图表
• 3.2.2 实验结论
• 3.3 本章小结
• 第4章 流形学习与等度规映射
• 4.1 流形学习的认知生理学基础
• 4.1.1 从视觉认知到流形
• 4.1.2 视觉认知中的流形
• 4.1.3 神经流形与认知流形
• 4.2 流形学习的几何学基础
• 4.2.1 三维举例
• 4.2.2 微分几何背景
• 4.3 流形学习
• 4.3.1 流形学习的基本介绍
• 4.3.2 数学描述
• 4.3.3 流形学习的基本算法
• 4.4 本章小结
• 第5章 基于流形学习的用户身份验证
• 5.1 ISOMAP算法原理
• 5.1.1 可等距嵌入欧氏空间的黎曼流形维数分析
• 5.1.2 黎曼流形上两点间距离的度量
• 5.1.3 等距映射算法
• 5.2 本文算法
• 5.2.1 算法提出的神经生理学依据
• 5.2.2 应用流形学习的算法依据
• 5.2.3 本文算法步骤
• 5.3 实验
• 5.3.1 实验数据
• 5.3.2 实验图表
• 5.3.3 实验结果比较
• 5.4 本章小结
• 第6章 结论
• 参考文献
• 致谢
• 攻读学位期间的研究成果